Simulacion De Sistema

ESTRUCTURA DEL MODELO

El modelo se puede escribir de tal forma

E = F(Xi, Yi)

Donde

E: Es el efecto del comportamiento del sistema

Xi: Son las variables y parámetros que nosotros podemos controlar

Yi: Las variables y los parámetros que nosotros no podemos controlar

F: Es la función con la cual relacionamos Xi con Yi con el fin de modificar o dar origen a E

PROPIEDADES DE LOS MODELOS

1. COMPONENTES:

Son las partes de un conjunto que forman el sistema

2. VARIABLES:

Pueden ser de dos tipos (Exógenos, Endógenos)

- Exógenas: Entradas son originadas por causas externas al sistema

- Endógenas: Son producidas dentro del sistema que resultan de causas internas, las cuales pueden ser de Estado o de Salida

i. Estado: Muestran las condiciones iniciales del sistema

ii. Salida: Son aquellas variables que resultan del sistema

Estadísticamente a las variables exógenas se las denomina como variables independientes

3. PARAMETROS:

Son cantidades a las cuales el operador del modelo puede asignarle valores arbitrarios lo cual se diferencia de las variables.

Los parámetros una vez establecidos se convierten en constantes.

4. RELACIONES FUNCIONALES:

Describen a los parámetros de tal manera que muestran su comportamiento dentro de un componente o entre componentes de un sistema.

Las relaciones funcionales pueden ser de tipo determinísticos o estocásticos.

- Determinísticas: Sus definiciones que relacionan ciertas variables o parámetros donde una salida del proceso es singularmente determinada por una estrada dada.

- Estocásticas: Cuando el proceso tiene una salida indefinida, para una entrada determinada las relaciones funcionales se representan por ecuaciones matemáticas y salen del análisis estadístico matemático.

5. RESTRICCIONES:

Estas son limitaciones impuestas a valores de las variables las cuales pueden ser de dos formas:

- Autoimpuestas: O sea asignadas por el mismo operador o

- Impuestas: O sea cuando son asignadas manualmente por el mismo sistema

6. FUNCIONES DE OBJETIVO:

Son las metas del sistema o el como evaluar al sistema, existen retentivas por ejemplo: la conservación de tiempo, energía y adquisitivas ejemplo: Ganancia en algo.

Ejemplo de aplicación:

Determinar las propiedades de un colegio, una fábrica de zapatos, un restaurante, un grupo de investigación.

- PROPIEDADES DE UN COLEGIO:

Componentes: profesores, estudiantes

Variables: Exógenas: libros, enfermedades, transporte

Endógenas: Número de alumnos, costos

Parámetros: notas

Relaciones Funcionales: libros estudiantes(buenos libros, buenos resultados)

Restricciones: cantidad de profesores

Funciones Objetivo: pruebas del estado (Icfes)

CLASIFICACION DE LOS MODELOS

Los modelos se pueden clasificar en forma general, pero los modelos de simulación se pueden clasificar en forma más específica.

De que forma podemos modelar un objeto o sistema desde lo más real a lo mas irreal.

Modelos Modelos a Modelos Modelos Modelos Modelos

Físicos Escala Analógicos Administrativos Simulación Matemáticos

Modelos Modelos

Exactos Abstractos

- MODELOS FISICOS:

Son los que mas se asemejan a la realidad, se encargan de modelar procesos los cuales pueden ser:

- MODELOS ANALOGICOS:

Se encargan de representar una propiedad determinada de un objeto o sistema

- MODELOS DENOMINADOS JUEGOS ADMINISTRATIVOS:

Ya empieza a involucrarse al ser humano el comportamiento del ser humano

Ej: modelos de planeación, estrategias militares

- MODELOS ABSTRACTOS (simulación):

Viene hacer una herramienta ya que se convierte en algo abstracto

- MODELOS MATEMATICOS:

Se tiene en cuenta las expresiones materia y lógicas ejemplo: representar un objeto.

Aquí se debe hacer muchas suposiciones dentro de un modelo matemático

CLASIFICACION DE LOS MODELOS DE SIMULACION

Dentro de los modelos de simulación están:

1. MODELOS DETERMINISTICOS

Ni las variables endógenas y exógenas se pueden tomar como datos al azar. Aquí se permite que las relaciones entre estas variables sean exactas o sea que no entren en ellas funciones de probabilidad. Este tipo determinístico quita menos de cómputo que otros modelos

Ejemplo: Modelos Estocásticos

2. MODELOS ESTOCASTICOS

Cuando por lo menos una variable es tomada como un dato al azar las relaciones entre variables se toman por medio de funciones probabilísticas, sirven por lo general para realizar grandes series de muestreos, quitan mucho tiempo en el computador son muy utilizados en investigaciones científicas

3. MODELOS ESTATICOS

Es que en ellos no se toma en cuenta el tiempo dentro del proceso, por ejemplo: los modelos de juegos, modelos

...